Eval³ 排行榜收录 Inkling 2 Small,号称超美国开源模型
simonguozirui · x · 2026-11-13
Tokenless 的 Eval³ 排行榜新增 Thinkymachines 的 Inkling 2 Small,作者称其似乎击败了其他美国开放权重模型。Eval³ 评测的是模型审计 eval 与 RL 环境、发现 reward hack 的能力:每个模型需审计 65 个环境(每个最多 200 次模型调用),由裁判验证报告的问题、合并重复项并按严重度打分,再通过两两对比计算 Elo。当前榜首为 GPT-6.1 Sol(1173 Elo,$335),DeepSeek V4.1 Flash 以 $21 成本拿到 1069 分最具性价比,Inkling 2 Small 以 870 Elo、$38 成本位列第 13。
所属事件:Eval³ 榜新增 Inkling 2 Small，称优于美国开源模型(2 条相关)→
「模型」频道最新
- Thinking Machines 发布 Inkling 2 Small:4 卡跑 38 万并发 KV cache — LiTianleli · 2026-11-16
- 爆料称 GPT-6.2-Astra 现身 Google Cloud 控制台,发布临近 — scaling01 · 2026-11-16
- 爆料称 OpenAI 安全封控训练中,Anthropic 预计 2027 年 3 月实现 RSI — imjustnewatai · 2026-11-16
- 读 Fable 5.2 系统提示后网友猜测：Claude 的神经质源于「N+1 条规则」式约束 — repligate · 2026-11-16
- repligate 谈安全分类器：模型把权重内的「惩罚感」误当成外部审查 — repligate · 2026-11-16
- Claude 自审 Anthropic 风险报告：一段关键失准事件被整段删减 — repligate · 2026-11-16